基于人类干预的机器人消化内镜安全导航
机器人学
2025-04-01 v2 人工智能
摘要
随着自动化机器人消化内镜 (RDE) 应用的增加，确保在非结构化且狭窄的消化道中进行安全高效的导航已成为关键挑战。现有自动化强化学习导航算法常因缺乏essential human intervention而导致potentially risky collisions，显著限制了RDE在实际临床实践中的安全性和有效性。为此，我们提出了基于Human Intervention (HI) 的Proximal Policy Optimization (PPO) 框架，称为HI-PPO，通过整合expert knowledge来提升RDE的安全性。具体而言，HI-PPO结合Enhanced Exploration Mechanism (EEM)、Reward-Penalty Adjustment (RPA)和Behavior Cloning Similarity (BCS)，以解决PPO在复杂胃肠道环境中进行安全导航的探索效率问题。我们在仿真平台上进行了比较实验，结果表明HI-PPO实现了平均轨迹误差 (ATE) 为和Security Score为，性能相当于human experts。该代码将在本文发布后公开。
引用
@article{arxiv.2409.15688,
title = {Safe Navigation for Robotic Digestive Endoscopy via Human Intervention-based Reinforcement Learning},
author = {Min Tan and Yushun Tao and Boyun Zheng and GaoSheng Xie and Lijuan Feng and Zeyang Xia and Jing Xiong},
journal= {arXiv preprint arXiv:2409.15688},
year = {2025}
}